求解連續(xù)優(yōu)化問題的集群智能算法應用研究.pdf

1、在實際工程應用中有很多優(yōu)化問題是NP難問題，難以應用傳統(tǒng)數(shù)學方法來解決。近年來，有一種集群智能算法正在引起廣大研究學者的注意，這種基于群體的啟發(fā)式隨機優(yōu)化算法在求解優(yōu)化問題時不需要考慮待優(yōu)化函數(shù)的數(shù)學特性，并且可以實現(xiàn)并行計算，適合于求解復雜的工程優(yōu)化問題。蟻群優(yōu)化算法和粒子群優(yōu)化算法是新近出現(xiàn)的典型的集群智能算法，兩種算法都是通過由候選解組成的群體的進化來達到尋找最優(yōu)解的目的。本論文討論了這兩種優(yōu)化算法的基本原理與特點，在此基礎上，針

2、對這些算法在實際應用領域中存在的問題，提出了相應的改進方法，并且通過多個常用測試例對算法進行了仿真驗證。本論文主要研究成果如下： 1.綜述了蟻群優(yōu)化算法求解優(yōu)化問題的原理，總結出算法成功的關鍵。對蟻群算法應用于連續(xù)優(yōu)化問題的各種模型進行了綜述，并分析了以往各種連續(xù)蟻群算法模型的弊病。針對NP難優(yōu)化問題求解難點，提出一種具有通用性的連續(xù)蟻群算法模型，包括快速尋優(yōu)機制和簡單的信息素交流機制，可以有效地在連續(xù)域上進行尋優(yōu)。研究表明，這

3、種算法在尋優(yōu)性能上優(yōu)于其它連續(xù)蟻群算法、基本粒子群算法。 2.綜述了粒子群優(yōu)化算法的原理、特點及其研究進展。對粒子群的缺陷進行了分析，總結了算法易陷入局部最優(yōu)的原理。提出一種自適應的變異機制，為算法充分搜索整個可行域提供引導信息，能使算法更快地尋找到最優(yōu)解，并且有利于算法跳出局部最優(yōu)解。同時，為了提高算法尋優(yōu)精度，在算法趨于收斂后縮小搜索域，在尋得的最優(yōu)解附近進一步尋優(yōu)。研究表明，改進算法尋得的解遠遠優(yōu)于其它改進粒子群算法。

4、 3.綜述了電力系統(tǒng)中經濟負荷分配問題的模型及其特點，總結了常用的求解方法。通過分析在電廠內部計算或電網分布密集情況下對經濟負荷分配模型的簡化，分析了這種問題的特點及相應求解方法的缺點。針對問題中的等式約束提出一種簡單快速的不可行解修補方法，并且結合本文提出的自調節(jié)粒子群算法對經濟負荷分配問題進行了求解，取得了較好的結果。 最后，總結了全文研究的內容，提出了連續(xù)蟻群算法和粒子群優(yōu)化算法中尚待解決的問題，展望了集群智能算法進一